富國銀行首席信息官Chintan Mehta分享了該行在生成式人工智能應用方面的見解,指出其虛擬助手應用Fargo自今年三月推出以來,已處理了2000萬次互動。他在舊金山的一個活動中表示:「我們相信,它每年有潛力管理接近1億次互動。」他強調,隨著能力和對話類型的提升,這一數字將持續增長。
富國銀行在人工智能方面的進展值得注意,特別是與仍在概念驗證階段的許多大型企業相比。儘管外界預期大型銀行因監管顧慮將會謹慎行事,富國銀行卻在迅速推進。該行已讓4000名員工參加斯坦福大學的人本中心人工智能計劃,並有多個生成式人工智能專案已投入生產,重點提升後台效率。
Mehta在「人工智能影響之旅」活動上演講,該活動旨在幫助企業建立人工智能治理藍圖,特別是針對利用大型語言模型(LLM)進行智能響應的生成式人工智能應用。作為美國三大銀行之一,擁有1.7萬億美元資產的富國銀行正積極採用LLM於其服務中。
Fargo這款基於智能手機的虛擬助手,能透過語音或文本即時回應客戶的銀行查詢。它目前每次會話平均進行2.7次互動,並可執行如繳費和查詢交易等任務。Fargo基於Google Dialogflow構建,並利用Google的PaLM 2 LLM,正在逐漸融入多個LLM以實現不同功能——「並不需要對所有事情使用同一大型模型。」Mehta強調。
另一款應用Livesync幫助客戶進行目標設定和計劃。該應用最近推出,首月迅速吸引了一百萬名活躍用戶。
富國銀行還開始使用開源LLM,包括Meta的Llama 2模型,用於內部應用。儘管自2022年底OpenAI的ChatGPT引起廣泛關注以來,開源模型的採用速度較慢,但Mehta指出,這些模型允許更大的自定義和控制,對於特定用例非常有益。
該行開發了一個名為Tachyon的人工智能平台,以支持其人工智能計劃。該平台基於幾個原則,包括沒有單一的人工智能模型將主導、將使用多個雲服務提供商,以及不同數據庫之間存在數據傳輸挑戰。Tachyon具有適應性,可以在保持性能和韌性的情況下,融入新的更大模型。模型分片和張量分片等技術提高了訓練效率並減少了計算需求。
展望未來,Mehta提到,能夠通過圖像、視頻和文本進行交流的多模態LLM將變得至關重要。他假設了一個商務應用場景,讓用戶上傳圖像,並通過虛擬助手輕鬆預訂與這些圖像相關的服務。他指出,雖然當前的多模態模型需要大量文本輸入來提供上下文,但提高模型在較少文本的情況下理解意圖的能力是值得關注的重點。
Mehta強調,銀行的根本價值——將資本與客戶需求對接——保持穩定,創新專注於提升用戶體驗。他描述了LLM在成為更「主動」的工具方面的潛力,使得用戶能夠通過多模態輸入順利完成任務。
在談到人工智能治理時,Mehta強調明確定義每個應用目的的重要性。儘管大部分治理挑戰已經得到解決,但包括網絡安全和詐騙在內的應用安全問題仍然存在。
Mehta對銀行監管的滯後表示擔憂,認為它們無法跟上生成式人工智能和去中心化金融的發展。他表示:「我們的願景與當前的監管之間存在日益擴大的鴻溝。」並指出,監管變革可能會對富國銀行的運營和經濟策略產生重大影響。
為了應對這一挑戰,該行正在大力投資於可解釋的人工智能,這是一個專注於理解人工智能模型結論背後推理的研究領域。